程序源代碼參見GitHub：https://github.com/leungBH/BankMarketing
-
數據集基本情況
目標：
根據相關的信息預測通過電話推銷，用戶是否會在銀行進行存款。
特徵：總共有50個特徵。
年齡，工作類型，婚姻狀況，受教育背景，信用情況，房貸，個人貸款，聯繫電話是手機還是固定電話，最後聯繫月份，最後聯繫日，通話持續時間，本次活動中聯繫的次數，最後一次接觸距離上一次接觸的時間，以前的活動中聯繫的次數，上一次活動成功與否，就業變化率，消費者物價指數，歐元銀行同業拆借利率，就業人數。
通過對數據集進行初步的分析，發現其中有缺失值的特徵有6個：
由於缺失值比較少，下面嘗試三種常用的缺失值填補方法：
- 使用平均值填補；
- 使用kNN擬合缺失值；
- 使用隨機森林擬合缺失值。
-
使用平均值取代缺失值
-
使用隨機森林預測缺失值
- 把分類特徵轉化爲數值特徵。
- 統計有缺失值的特徵，按照缺失值數量從少到多排列。
- 從缺失值少的特徵開始，用隨機森林對缺失值進行填補。
![]()
-
使用KNN擬合
參考文獻：
S. Moro, P. Cortez and P. Rita. A Data-Driven Approach to Predict the Success of Bank Telemarketing. Decision Support Systems, Elsevier, 62:22-31, June 2014
S. Moro, R. Laureano and P. Cortez. Using Data Mining for Bank Direct Marketing: An Application of the CRISP-DM Methodology. In P. Novais et al. (Eds.), Proceedings of the European Simulation and Modelling Conference - ESM'2011, pp. 117-121, Guimaraes, Portugal, October, 2011. EUROSIS. [bank.zip]